文献类型：期刊文章

作　　者：么素素[1] 王宝亮[2] 侯永宏[1]

YAO Susu;WANG Baoliang;HOU Yonghong(School of Electrical and Information Engineering,Tianjin University,Tianjin 300072,China;Information and Network Center,Tianjin University,Tianjin 300072,China)

机构地区：[1]天津大学电气自动化与信息工程学院,天津300072 [2]天津大学信息与网络中心,天津300072

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金No.61571325~~

年　　份：2018

卷　　号：12

期　　号：7

起止页码：1145-1153

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、IC、JST、ZGKJHX、核心刊

摘　　要：针对训练数据绝对不平衡问题,提出了一种基于级联结构的集成迁移学习算法。该算法主要包括两部分:迁移学习部分和数据选择部分。在迁移学习阶段,针对Tr Ada Boost算法中辅助领域样本权重不可恢复问题,引入权重恢复因子;在数据选择阶段,算法利用级联结构逐步删除辅助领域中噪声样本与冗余样本,在保证目标领域主导作用的同时充分利用辅助领域数据。在真实数据集上的实验结果表明,该算法在数据绝对不平衡的情况下,提升了分类器的综合评价指标与几何平均数,因此该算法可以在一定程度上解决数据绝对不平衡问题。

关 键 词：集成迁移学习  级联模型  不平衡数据 TrAdaBoost  

分 类 号：TP181]